Le travail présenté dans ce manuscrit se situe dans le domaine de la réalité augmen- tée. Dans le contexte de la réalité augmentée, il est nécessaire de calculer la position relative entre la caméra et la scène en temps réel. Cette thèse présente une méthode complète de calcul de pose reposant sur l'utilisation de structures planes présentes dans les environnements urbains intérieurs et extérieurs. Le suivi de pose est effectué à l'aide d'une caméra bas coût et d'un capteur inertiel. Notre approche consiste à tirer parti des plans pour faciliter le calcul de la pose. Les homographies obtenues par un algorithme de suivi dans l'image de régions planes, présenté dans cette thèse, servent de mesures à notre méthode de localisation et car- tographie simultanées. Cette méthode de SLAM permet d'assurer un suivi de la pose robuste tout en permettant une reconstruction de la scène 3D et fonctionnant sur le long terme en propageant les incertitudes des mesures. Des travaux sur la sélection des régions à suivre et sur l'initialisation des paramètres des plans, correspondant à ces régions, sont également présentés. Des expériences en simulation et sur des séquences d'images réelles montrent la validité de notre approche.

Cette étude s'inscrit dans le cadre de l'asservissement visuel. La technique d'asservissement visuel consiste à utiliser les informations visuelles fournies par un capteur de vision pour commander les mouvements d'un système dynamique. Un des défis de cette technique est de s'approcher d'un comportement idéal du robot commandé, par exemple une trajectoire satisfaisante. Aujourd'hui, il est bien établi que l'élargissement du champ de vision et surtout le choix d'informations visuelles adéquates ont une incidence positive sur le comportement du robot. Si l'élargissement du champ de vision d'un robot est possible aujourd'hui par l'utilisation des systèmes de vision catadioptrique (couplage caméra et miroir), la sélection d'informations visuelles adéquates reste encore un problème ouvert puisque peu de travaux de modélisation ont été menés sur des systèmes à large champ de vision. Cette étude vise à modéliser des informations visuelles idéales. L'approche proposée est la modélisation par projection sphérique puisque ce modèle de projection est au centre des modèles de projection perspective et catadioptrique. Des résultats significatifs sont présentés pour un objet plan ou volumétrique défini par un ensemble de points et pour des objets volumétriques sphériques tels qu'une sphère et une sphère marquée. Pour chaque objet, un nouveau vecteur minimal d'informations visuelles idéales est proposé. La validation expérimentale de chaque nouveau vecteur montre un comportement adéquat du robot

non éditable

Résumé non disponible

Il est difficile de concevoir des contrôleurs pour des robots devant fonctionner dans des environnements peu maîtrisés voire inconnus. Dans cette optique, la robotique évolutionniste cherche à élaborer des méthodes de conception automatique de contrôleurs via un processus d'optimisation ''boîte noire'' utilisant des algorithmes évolutionnistes. Les valeurs de performance d'un contrôleur donné sont alors estimées soit directement sur le robot, soit à l'aide d'une simulation, par essence simplificatrice. Partant du constat qu'évaluer sur le robot et dans toutes ses situations d'utilisation est généralement incompatible avec le nombre d'évaluations requis par de tels processus d'optimisation, nous proposons une approche générale combinant un processus d'optimisation multi-objectif dans un simulateur fixe, un modèle de substitution et quelques tests sur le robot. Cette approche par transférabilité peut s'appliquer à tout processus d'optimisation mené dans un environnement simplifié (simulation) pour un environnement complet ciblé (robot) et recherche les contrôleurs qui maximisent deux objectifs : la performance dans l'environnement simplifié et un objectif de transférabilité qui indique à quel point le comportement dans l'environnement simplifié est proche de celui dans l'environnement complet. Ce deuxième objectif est estimé par un modèle de substitution construit en effectuant quelques expériences de transfert sur le robot pendant l'optimisation. L'approche est validée sur trois problèmes de robotique évolutionniste : le passage de la simulation à la réalité, l'optimisation de contrôleurs dotés de capacités de généralisation et l'adaptation d'un robot à son environnement.

Ces travaux s'inscrivent dans le cadre du projet AROS (Automotive Robust Operating Services). Il a pour objectif de proposer un outil de prototypage rapide d'applications dynamiques distribuées temps-réel, principalement dans le domaine de l'automobile et de la robotique. Les applications distribuées temps-réel sont traditionnellement développées selon deux approches. La première, l'ordonnancement temporel, est basée sur l'analyse du pire temps d'exécution (worst execution time). Un partage du temps entre les différentes tâches de l'application est établi de façon statique. Cette technique offre une grande sureté de fonctionnement au prix d'une analyse temporelle parfois difficile à mener. La seconde, l'ordonnancement par priorité, est basée sur l'attribution à chaque tâche d'un niveau de priorité qui permet d'établir l'ordre d'exécution en fonction des évènements reçus par le système. Cette seconde technique, plus souple à mettre en œuvre, offre moins de garanties et conduit à un comportement non déterministe de l'application. La structure des applications AROS étant dynamique, l'approche temporelle est exclue car elle demande une analyse statique qu'il est impossible de produire. L'approche basée sur les priorités d'exécution est également exclue à cause de son non déterminisme comportemental. Nous proposons une approche basée sur un ordonnancement évènementiel causal inspirée des techniques d'ordonnancement des simulateurs évènementiels distribués. Tout en étant relativement simple à utiliser pour le concepteur d'application, cette technique produit des applications dont le comportement est parfaitement déterministe. Deux principales difficultés sont à surmonter : la synchronisation en temps-réel du moteur d'exécution et le respect des contraintes temps-réel.

La gestion des déplacements dans l'espace pour un robot mobile autonome est un problème qui a été abordé dès les premiers essais d'intégration de l'intelligence artificielle et de la robotique, mais qui reste difficile et auquel peu de solutions générales ont été apportées. Parmi toutes les stratégies de navigation existantes, nous nous intéressons à celles qui utilisent une carte représentant la structure spatiale de l'environnement et qui permettent de planifi er les déplacements jusqu'à un but lointain. La construction d'une carte et l'estimation de la position du robot sont deux sous-problèmes de navigation qui ont reçu isolément des solutions e fficaces. Toutefois, leur résolution simultanée reste une tâche complexe. Le problème de l'estimation de la position, pris isolément, peut notamment être résolu de manière très e fficace par des modèles probabilistes utilisant des Processus de Décision Markoviens Partiellement Observables. Toutefois, ces modèles ne peuvent en général pas être utilisés pour construire "en-ligne" la carte qu'ils utilisent. Nous avons élaboré un modèle de navigation qui s'inspire de ces méthodes mais qui, à partir de capteurs relativement imprécis, permet la construction "en-ligne" de la carte. La capacité d'intégration des informations qu'o ffre cette méthode de localisation permet de compenser la faiblesse des perceptions. Nous utilisons de plus des procédures de perception active qui permettent, en fonction du contexte, d'utiliser les capteurs de manière e fficace. Notre modèle permet ainsi, en faisant peu d'hypothèses sur l'environnement, une estimation robuste de la position et une construction simultanée de la carte. Ses capacités ont été démontrées à la fois en simulation et sur un robot réel. En particulier, nous avons montré qu'il permettait au robot de se localiser correctement dès son introduction dans un environnement nouveau, de se relocaliser rapidement lorsqu'il est transporté passivement d'un endroit à un autre et de plani fier une trajectoire permettant de rejoindre de manière robuste un but donné.

Cette thèse s'inscrit dans le cadre de la commande référencée capteurs. Pour un robot mobile ou un bras manipulateur dote d'un ou plusieurs capteurs, cette approche consiste à définir une tache de déplacement en spécifiant uniquement les mesures a' atteindre. Ce paradigme est connu pour permettre une très bonne précision de positionnement. En revanche, le robot peut présenter un comportement non désiré en cas de mouvement important ou de contraintes à respecter ( évitement des butées articulaires, visibilité, obstacles, etc.). Les solutions nécessitent généralement des degrés de liberté supplémentaires, permettant de réaliser la tâche tout en respectant les contraintes. Nous proposons tout d'abord un formalisme original pour la calibration d'un capteur extéroceptif à partir de la mesure de vitesse. Il est ainsi possible d'estimer a' la fois les paramètres de calibration intrinsèques du capteur et la position du capteur par rapport au repère du robot. Des résultats de simulation et d'expérience sont exposes pour la calibration d'une camera. Nous établissons ensuite un formalisme complet pour la réalisation d'une tache référencée multi-capteurs soumise a' un nombre arbitraire de contraintes. Nous proposons une façon générique d'introduire les contraintes dans la loi de commande. Le comportement induit est une perturbation minimale de la tache référencée capteurs tout en respectant plusieurs contraintes. Ce formalisme est applique à des problèmes classiques en robotique : évitement de butées et contrainte de visibilité. De nombreuses contraintes sont enfin combinées au sein d'un même système.

L'appontage d'avions demeure aujourd'hui un exercice difficile dont la réussite conditionne l'efficacité d'un groupe aéronaval. Dans la marine française, des systèmes d'aide améliorent la perception du pilote durant l'appontage. Il n'existe cependant pas de système automatique qui permettrait l'emploi d'avions sans pilote sur porte-avions. Les travaux réalisés durant cette thèse ont donc pour objet un système d'appontage à l'aide d'un capteur de vision de l'avion. Utilisant les capteurs de l'aéronef, les différentes fonctions d'un tel système reposent sur la détection du porte-avions dans l'image initiale, son suivi au cours de la séquence et la commande de l'avion et de la tourelle de sa caméra. Cette étude propose des solutions pour ces fonctions en se basant sur les techniques de l'état de l'art. La détection du navire repose sur l'utilisation des capteurs de l'avion et d'une image de référence du porte-avions afin d'initialiser le suivi du porte-avions. Ce dernier est assuré par des algorithmes de suivi 3D basé modèle et de suivi 2D dense qui fournissent les mesures utilisées par la commande. La commande de l'avion par asservissement visuel repose sur des primitives visuelles contenues dans le plan image et dont les valeurs désirées restent constantes pour la trajectoire désirée. Les mouvements du porte-avions sont pris en compte à l'aide de la vision et la commande de la tourelle se base également sur des primitives visuelles. Les méthodes de vision sont validées sur des images réelles et des images provenant d'un simulateur réaliste. La commande est d'abord évaluée sans algorithme de vision afin de la caractériser. Enfin, l'ensemble de la chaîne est ensuite évaluée sur des simulations réalistes et montre son efficacité.

Je présente une approche cognitive pour la planification de trajectoire sous contraintes. Elle repose en premier lieu sur DKP: un planificateur de trajectoires par échantillonnage. DKP construit un arbre d'exploration dans les parties atteignables de l'environnement à la manière d'un A*. Les solutions sont des trajectoires splines quadratiques adaptées au contrôle de robots à deux roues indépendantes. La couche de propagation construit un espace des paramètres, contenant toutes les valeurs des paramètres laissés libres dans les solutions. Il est représenté sous la forme d'une surface contenant toutes les solutions locales qui respectent les contraintes du problème: vitesse, accélération, évitement d'obstacle... Ensuite, une recherche de solutions est effectuée sur l'espace des paramètres selon un critère d'optimisation. DKP a la propriété d'être entièrement déterministe: les résultats sont reproductibles et son comportement est complètement contrôlable. Ce contrôle me sert à définir des comportements de pilotage. Ils sont exprimés sous la forme d'un arbre de comportements: chaque comportement agit sur la manière dont l'arbre d'exploration produit par DKP progresse dans l'environnement. De plus, les comportements sont appliqués en fonction de la partie explorée. Ainsi, seuls les comportements faisables sont développés. TÆMS permet de décrire ces comportements de pilotage puis d'évaluer les solutions ainsi construites. Pour résumer, mon approche cognitive repose sur l'évolution conjointe d'un arbre de comportements de pilotage et d'un arbre d'exploration: elle fait ainsi le lien entre planification classique et planification de trajectoire sous contraintes.